شیب سنس

در این تحقیق به مطالعه چگونگی اثرات تغییرات اقلیمی بر جریان رودخانه های حوضه های منتخب استان گیلان، یکی از استان های شمالی کشور ایران برای دوره ی سالهای 2020 تا 2050 و تحت سه سناریوی اقلیمی RCP2.6 ، RCP4.5 ، RCP8.5 پرداخته شد. برای این منظور از داده های بارش و دمای 45 ایستگاه داده های اقلیمی و 20 ایستگاه آب سنجی در دوره ی 1983 تا 2013 ستفاده شد. محاسبه متوسط بارش و دما در سطح حوضه ها از طریق ترسیم خطوط هم باران و هم دما با روش کریجینگ انجام گرفت. جهت تعیین معناداری روند داده های مورد مطالعه و مقدار شیب آنها به ترتیب از آزمون های من-کندال و شیب سنس کمک گرفته شد. نتایج نشان داد، دما طی دوره ی مورد مطالعه در همه ی حوضه های آبریز روند افزایشی داشته و این روند در اکثر آنها معنادار بوده است اما برای بارش ها روند معناداری مشاهده نشد. همچنین آبدهی در اکثر حوضه ها کاهشی بوده و در حوضه های شفارود، ناورود و چافرود این روند معنادار است. از سوی دیگر برای دوره های آینده، بارش ها در هیچ یک از سناریوهای اقلیمی روند معناداری ندارند اما دما در به غیر از سناریوی RCP2.6 در سناریوهای دیگر دارای روند افزایشی است. آب دهی رودخانه ها نیز در سناریوی RCP2.6 در هیچ یک از حوضه ها روند معناداری ندارد اما در سناریوی RCP4.5 در دو حوضه ی آبریز شفارود و گشت رودخان روند کاهشی معنادار در سطح اطمینان 95 درصد دیده می شود که این روند در سناریوی RCP8.5 در حوضه های چافرود و شفارود در سطح اطمینان 99 درصد نیز معنادار می باشد .

بارش باران جز مهم ترین پدیده های جوّی است که بر زندگی بشر، پوشش گیاهی و جانوری تأثیر می گذارد. پیش بینی بارش باران برای اهداف مختلفی مانند فعالیت های کشاورزی، پیش بینی سیلاب، تأمین آب شرب و بسیاری از موارد از اهمیت بسیار بالایی برخوردار است. هدف این پژوهش بررسی روند و پیش بینی بارش ایستگاه کاشان طی دوره 49 ساله (1350-1398) است. بنابراین ابتدا داده ها بارش گردآوری و سپس به صورت میانگین فصلی و سالانه تنظیم شدند. در ادامه با استفاده از روش من-کندال معنی داری روند بارش و با استفاده از روش برآورد کننده شیب خط سنس، میزان شیب خط روند، آزمون شد. طبق نتایج در سری های زم انی می انگین بارش کاشان روند معنی داری در سطوح اطمینان 99% و 95% مشاهده نگردید؛ اما بااین حال میانگین بارش کاشان به طور متوسط در هرسال حدود 60/0 میلی متر کاهش یافته است. همچنین با استفاده از روش شبکه عصبی مصنوعی داده های بارش جهت پیش بینی بررسی شد. طبق نتایج بعد از آزمون شبکه 2 لایه پنهان و 10 نرون در لایه های میانی مدل نسبتاً بهتری را ارائه کرد. با بررسی و تطبیق مقادیر نمودار همبستگی مشخص گردید پیش بینی بارش برای ایستگاه کاشان با نتایج واقعی ایستگاه مطابقت کاملی نداشته است. همبستگی بین مقادیر واقعی و پیش بینی شده توسط شبکه برابر با 47/0 می باشد. همچنین ثابت شد مقادیر پیش بینی شده بارش توسط شبکه عصبی در ترکیب با الگوریتم ژنتیک نزدیک تر به داده های واقعی بارش و داده های پیش بینی شده توسط شبکه عصبی بدون ترکیب با الگوریتم ژنتیک از مقدار واقعی دورتر بوده و روند غیرخطی دارد. بنابراین بین میانگین های شبیه سازی شده بارش با مقدار واقعی در ایستگاه کاشان اختلافی فروانی وجود ندارد.